位置: IT常识 - 正文

yolov5源码解析(9)--输出(yolov4源码解读)

编辑:rootadmin
yolov5源码解析(9)--输出

推荐整理分享yolov5源码解析(9)--输出(yolov4源码解读),希望有所帮助,仅作参考,欢迎阅读内容。

文章相关热门搜索词:yolo v1 pytorch源代码,yolo 源码,yolov2源码,yolov5源码解析修改,yolo 源码,yolov4源码解读,yolov5源码解读,yolov3源码详解,内容如对您有帮助,希望把文章链接给更多的朋友!

本文章基于yolov5-6.2版本。主要讲解的是yolov5是怎么在最终的特征图上得出物体边框、置信度、物体分类的。

一。总体框架

首先贴出总体框架,直接就拿官方文档的图了,本文就是接着右侧的那三层输出开始讨论。

Backbone: New CSP-Darknet53Neck: SPPF, New CSP-PANHead: YOLOv3 Head

这三个输出层分别就是浅、中、深层啦,浅层特征图分辨率是80乘80,中层是40乘40,深层是20乘20,一般来说浅层用于预测小物体,深层用于预测大物体。另外说明一下,浅、中、深三层的特征图输出通道数不一定是256、512、1024,要看你用的是哪一种规格的模型。比如yolov5s的话,那这三层的通道数分别是128、256、512,可以导出onnx格式用Netron看一下模型结构来确定。

 

简要说一下原因,这个是由对应的模型配置文件,即models目录里的yolov5s.yaml,yolov5m.yaml等等来决定的,看你用哪一个,第二个红框里的就是每一层的输出通道数了,但是它是要乘上第一个红框里的值的,即width_multiple这个配置,你会发现几个模型配置文件的内容都差不多,区别就区别在这里的depth_multiple和width_multiple。

 二。输出物体边框、置信度、物体分类

接下来进入正题,每层特征图最终都会经过1乘1卷积,变成(5+分类数)乘3个通道:

0)首先为什么乘以3,因为每一层都有3个anchor,后面再细讲

下面讲的是每一anchor对应的(5+分类数)个通道,假设分类数为2,那一共就是7个通道了,这7个通道分别是xywh(4个通道),置信度(1个通道),分类(此处2分类,就是2个通道)

1)物体边框的4个值,x,y,w,h啦,不过这个x,y并不直接是物体框中心点的坐标,而是它相对于自身所处的格子左上角的偏移,比如下图红色的这个格子(假设现在特征图就是4乘4),这个格子预测出7个值,前4个就是xywh,然后x是0.2,y是0.2,那么中心点就差不多在蓝点所处的位置了(其实这其中还有玄机,一步步来)。然后再把这个中心点的相对值作用到原图的尺度得到最终的坐标。

但是呢如果像上面这样直接预测一个相对格子左上角的偏移的这样一个值呢,会比较不稳定,它可能预测的值很大,比如x给你预测一个10出来,那就是往右数10个格子了,偏差这么大不利用网络收敛,也没有意义,因为这个格子里的特征跟右边第10个格子的特征相差可能很大了。

所以要加一个限制,首先给它sigmoid一下,这样其值范围就变成0-1了(小数),此时它的波动就在自己的这个格子内,然后乘以2再减0.5,如下图(直接拿官方文档的图了~~)

 

 这样它的波动范围就是下图的黄框的范围。

yolov5源码解析(9)--输出(yolov4源码解读)

 限制为0-1好理解,自己这个格子的预测范围就在自己格子内麻,为啥又变成了-0.5-1.5呢,因为这样更容易得到0-1范围内的值。如果的范围限制为0-1,而且是用sigmoid来限制的话,那接近0和1这两个位置的导数就会很小,梯度更新的时候就会慢。

然后就是宽高,宽高也不是直接预测出物体边框的宽高啦,而是基于anchor的,预测出来的值会乘上anchor的宽高得出最终的宽高,并且,这里仍然是先用sigmoid将输出值限制为0-1,然后再乘以2,再来个平方,这样最终的值的范围就是0-4了。

之前说了每一层有3个anchor,这些anchor还是配置在模型的配置文件里的,比如models/yolov5s.yaml,P3就是浅层的(80乘80的格子),P4是中层的(40乘40),P5是深层的(20乘20),然后这里的anchor的大小呢就是绝对值(按照640乘640的图来算的,如果你的输入图不是640乘640,那输入图是会resize一下再进行推理的)

比如现在是深层的输出,2分类,那么深层的特征图经过最后的1乘1卷积后,会得到3乘(5+2)=21个通道,每7个通道就对应一个anchor了,现在看第2个7个通道(即7-13,从0开始算),那么它对应的anchor就应该是156,198这个,那么预测出来的宽高值经过sigmoid,再乘2,再平方之后,还分别要乘上156和198,得出最终的物体宽高(基于640乘640的图的),然后再按比例得到原图的物体宽高。

2)置信度

代表预测出的物体边框和分类的可信度,最终的范围肯定是0-1了(小数),跟前面的一样,会用sigmoid来把它的范围限制为0-1。

这边可能有一个问题,那个xy不是sigmoid()乘2减0.5吗,这里咋不这么干,那是因为xy的值真的是可以达到-0.5或1.5的,那样的话就变成预测的物体中心点跑到相邻格子里去了,这也不是不行的啦。但置信度只能是0-1!

3)分类

有几个分类,就会再加几个通道,分别代表对应分类的概率,都是用sigmoid把他们的概率限制为0-1,在计算损失的时候,标签对应分类所在通道的直值为1,其它都为0了,然后分别计算BCE损失。

三。源码

最终输出层的相关源码主要就是models/yolo.py的Detect类的源码了,添加了相应的注释。

class Detect(nn.Module): stride = None # strides computed during build onnx_dynamic = False # ONNX export parameter export = False # export mode def __init__(self, nc=80, anchors=(), ch=(), inplace=True): # detection layer super().__init__() self.nc = nc # number of classes self.no = nc + 5 # number of outputs per anchor self.nl = len(anchors) # number of detection layers self.na = len(anchors[0]) // 2 # number of anchors,除以2是因为[10,13, 16,30, 33,23]这个长度是6,对应3个anchor self.grid = [torch.zeros(1)] * self.nl # init grid,下面会计算grid,grid就是每个格子的x,y坐标(整数,比如0-19) self.anchor_grid = [torch.zeros(1)] * self.nl # init anchor grid self.register_buffer('anchors', torch.tensor(anchors).float().view(self.nl, -1, 2)) # shape(nl,na,2),注意后面就可以通过self.anchors来访问它了 self.m = nn.ModuleList(nn.Conv2d(x, self.no * self.na, 1) for x in ch) # output conv,3个输出层最后的1乘1卷积 self.inplace = inplace # use inplace ops (e.g. slice assignment) def forward(self, x): z = [] # inference output for i in range(self.nl): # 三个输出层分别处理 x[i] = self.m[i](x[i]) # conv,经过这个1乘1卷积就变成(5+分类数)个通道了 bs, _, ny, nx = x[i].shape # x(bs,255,20,20) to x(bs,3,20,20,85)--这里的85对应coco数据集,5+80个分类 x[i] = x[i].view(bs, self.na, self.no, ny, nx).permute(0, 1, 3, 4, 2).contiguous() if not self.training: # inference if self.onnx_dynamic or self.grid[i].shape[2:4] != x[i].shape[2:4]: self.grid[i], self.anchor_grid[i] = self._make_grid(nx, ny, i) y = x[i].sigmoid() if self.inplace: # 这里的grid[i]即对应输出层的3个anchor层的每个格子的坐标,方便进行批量计算,乘上对应的stride[i](下采样率),就得到基于640乘640的图的坐标了 y[..., 0:2] = (y[..., 0:2] * 2 + self.grid[i]) * self.stride[i] # xy # anchor_grid[i]也是一样,不过它的形状是(1, self.na, 1, 1, 2),跟y[..., 2:4]计算时是会自动广播的,最终得到的宽高也是基于640乘640的图的宽高 y[..., 2:4] = (y[..., 2:4] * 2) ** 2 * self.anchor_grid[i] # wh else: # for YOLOv5 on AWS Inferentia https://github.com/ultralytics/yolov5/pull/2953 # 这段是非inplace操作,计算方法是一样的 xy, wh, conf = y.split((2, 2, self.nc + 1), 4) # y.tensor_split((2, 4, 5), 4) # torch 1.8.0 xy = (xy * 2 + self.grid[i]) * self.stride[i] # xy wh = (wh * 2) ** 2 * self.anchor_grid[i] # wh y = torch.cat((xy, wh, conf), 4) z.append(y.view(bs, -1, self.no)) return x if self.training else (torch.cat(z, 1),) if self.export else (torch.cat(z, 1), x) def _make_grid(self, nx=20, ny=20, i=0, torch_1_10=check_version(torch.__version__, '1.10.0')): d = self.anchors[i].device t = self.anchors[i].dtype shape = 1, self.na, ny, nx, 2 # grid shape # grid其实就是特征图网络的坐标,比如20乘20的,其坐标分别是0,0 0,1...0,19 1,0 1,1...19,19,第2个维度na就是anchor数啦 y, x = torch.arange(ny, device=d, dtype=t), torch.arange(nx, device=d, dtype=t) if torch_1_10: # torch>=1.10.0 meshgrid workaround for torch>=0.7 compatibility yv, xv = torch.meshgrid(y, x, indexing='ij') else: yv, xv = torch.meshgrid(y, x) # 注意这边先给它把0.5给减了 grid = torch.stack((xv, yv), 2).expand(shape) - 0.5 # add grid offset, i.e. y = 2.0 * x - 0.5 # anchor_grid即每个格子对应的anchor宽高,stride是下采样率,三层分别是8,16,32,这里为啥要乘呢,因为在外面已经把anchors给除了对应的下采样率,这里再乘回来 anchor_grid = (self.anchors[i] * self.stride[i]).view((1, self.na, 1, 1, 2)).expand(shape) return grid, anchor_grid

此处单独说一下torch.meshgrid,它其实就是用于得到网格坐标的,简化代码如下,假设现在是2乘2的网络

y, x = torch.arange(2), torch.arange(2)yv, xv = torch.meshgrid(y, x, indexing='ij')print(f'yv={yv}')print(f'xv={xv}')grid = torch.stack((xv, yv), 2)print(f'grid={grid}')

 输出如下

 grid对应的就是如下图,得到这个网络坐标就可以直接跟输出层的x,y做批量运算了。

 四。NMS

Detect类foward之后确实是整个网络最终的输出,不过这个输出还得再经过NMS,提取出最终的答案,即这张图上到底有几个物体,边框、置信度、分类分别是什么。NMS后面再讨论~~

下一篇:

yolov5源码解析(10)--损失计算与anchor_扫地僧1234的博客-CSDN博客

本文链接地址:https://www.jiuchutong.com/zhishi/299638.html 转载请保留说明!

上一篇:【目标检测】YOLOv5模型从大变小,发生了什么?(目标检测yolo)

下一篇:过年回家,你是否也努力的给别人解释软件开发是干啥滴?(过年回家的你)

  • 小米10是曲面屏手机吗(小米10是曲面屏还是微曲面屏)

    小米10是曲面屏手机吗(小米10是曲面屏还是微曲面屏)

  • 华为nova5i信息不显示怎么弄(华为nova5ipro短信不显示)

    华为nova5i信息不显示怎么弄(华为nova5ipro短信不显示)

  • 抖音提现限额怎么办(抖音提现限额怎么取消)

    抖音提现限额怎么办(抖音提现限额怎么取消)

  • 华为p40飞行模式在哪里(华为p40飞行模式在哪里设置)

    华为p40飞行模式在哪里(华为p40飞行模式在哪里设置)

  • 苹果拨号那的通讯录没了(iphone快速拨号)

    苹果拨号那的通讯录没了(iphone快速拨号)

  • pra-al00x是华为什么型号(华为pra-al00x什么型号多少钱)

    pra-al00x是华为什么型号(华为pra-al00x什么型号多少钱)

  • 怎么撤销平台介入(如何进行平台的注销退出)

    怎么撤销平台介入(如何进行平台的注销退出)

  • 华为手机总有提示音(华为手机总有提示声音怎么关闭)

    华为手机总有提示音(华为手机总有提示声音怎么关闭)

  • 手机充电器保修多久(手机充电器保修多久 vivo)

    手机充电器保修多久(手机充电器保修多久 vivo)

  • 手机几核什么意思(手机几核处理器比较好)

    手机几核什么意思(手机几核处理器比较好)

  • 天气插件怎么设置(天气插件图标)

    天气插件怎么设置(天气插件图标)

  • a1432是ipad第几代(a1432是ipad第几代是多大屏)

    a1432是ipad第几代(a1432是ipad第几代是多大屏)

  • 华为nova属于哪个系列(华为nova系列在华为属于哪个层次)

    华为nova属于哪个系列(华为nova系列在华为属于哪个层次)

  • 耳机sbc是什么意思(耳机的sbc和aac)

    耳机sbc是什么意思(耳机的sbc和aac)

  • 组成串的数据元素只能是(串中的元素只能是字符吗)

    组成串的数据元素只能是(串中的元素只能是字符吗)

  • oppo哪个型号有呼吸灯(OPPO哪个型号有NFC)

    oppo哪个型号有呼吸灯(OPPO哪个型号有NFC)

  • word里怎么画线(word手动绘图笔在哪里)

    word里怎么画线(word手动绘图笔在哪里)

  • 拼多多拼团什么规则(拼多多拼团什么时候可以退款)

    拼多多拼团什么规则(拼多多拼团什么时候可以退款)

  • 情侣空间解除了情侣相册会消失吗(情侣空间解除了相册相片还能找回来吗)

    情侣空间解除了情侣相册会消失吗(情侣空间解除了相册相片还能找回来吗)

  • 微信地区怎么隐藏(微信地区怎么隐藏别人看不到)

    微信地区怎么隐藏(微信地区怎么隐藏别人看不到)

  • 一加7手机是什么品牌(一加7手机是什么型号)

    一加7手机是什么品牌(一加7手机是什么型号)

  • 手机爱奇艺怎么去广告(手机爱奇艺怎么投屏到电脑上)

    手机爱奇艺怎么去广告(手机爱奇艺怎么投屏到电脑上)

  • 华为coltl10是什么型号(华为coral10是什么型号手机)

    华为coltl10是什么型号(华为coral10是什么型号手机)

  • MAC系统如何连接Windows共享文件?(mac系统如何连接北通手柄)

    MAC系统如何连接Windows共享文件?(mac系统如何连接北通手柄)

  • ps魔棒中的容差是什么意思(ps魔棒工具选择图像时在容差数值较大的是)

    ps魔棒中的容差是什么意思(ps魔棒工具选择图像时在容差数值较大的是)

  • 注册资本印花税减半征收政策
  • 固定资产什么时候开始折旧
  • 新公司和旧公司对比
  • 资产负债表应付账款怎么算
  • 社保本期工资总额是怎么填的
  • a企业给关联公司借款怎么做账
  • 如何区分总额法和净额法
  • 人力资源服务费发票可以抵扣吗
  • 建筑企业简易计税异地预缴
  • 闲置土地归谁管理
  • 固定资产领用原材料要考虑增值税吗?
  • 保安公司怎样上保险
  • 实收资本印花税税率
  • 所得税费用按月还是按年算
  • 税控盘超期还能清卡吗
  • 向银行贷款资产包括哪些
  • 新租赁准则承租人计提折旧吗
  • 企业拨给工会的补助怎么记账
  • 历年亏损企业开什么发票
  • 外资企业税率是多少
  • 对于长期没发票的预付款怎么处理?
  • 电缆与变压器连接有何规定
  • 会计主要做些啥
  • php简单实例
  • 系统搜索力
  • 怎么设置宽带开关网络
  • vue中如何使用weboffice
  • 土地出让金的收费标准 60%
  • 怎么查上市公司
  • neoDVD.exe - neoDVD是什么进程 有什么用
  • 黄石国家公园的英语怎么读
  • 税务 终结执行
  • 实收资本的会计编码
  • 收到保险公司退款
  • php对二维数组进行排序
  • 哪些情况即使取消核酸
  • 详解Yii2高级版引入bootstrap.js的一个办法
  • 自动驾驶感知决策控制
  • service运行命令
  • 工会筹备金不缴可以吗
  • 增值税收范围
  • 现金流量表中有应收账款吗
  • 注册一个公司没有流水可以吗
  • 第三方车行
  • 管理费用的核算内容主要包括哪些
  • 营业外支出增加记借方还是贷方
  • 其他应收款借方表示增加吗
  • 出售其他债权投资产生的收益为什么计入留存收益
  • 研发支出资本化计入什么科目
  • 收到对方公司的货款怎么记账
  • 企业收到拆迁补偿款
  • 哪些项目不可以抵扣进项
  • 投资损益科目
  • 什么是雇主责任险保单
  • 老板出差带礼物给员工的说说
  • 建筑图纸设计费多少钱
  • 离职员工未休完的年假如何支付
  • 银行汇票结算业务
  • 公司注销往来账要消吗
  • windowsxp怎么用
  • win10 tab alt
  • mac os x10.6
  • win8破解密码开机密码
  • winXP系统修复
  • win7如何ghost
  • xp系统桌面图标怎么设置
  • 微软7月补丁
  • win7打不开任务栏
  • SlidingMenu属性详解【Android】
  • android自定义控件入门与实战
  • 安卓微信5.0版本下载
  • perl常用函数
  • arp如何绑定
  • sql命令语句
  • 河南的省直
  • 北京税务跨区迁移不予受理,原因是什么
  • 入户走访时宣传内容
  • 智能财税证书含金量多少
  • 阿勒泰捡石头的地方在哪里
  • 国税手工发票
  • 免责声明:网站部分图片文字素材来源于网络,如有侵权,请及时告知,我们会第一时间删除,谢谢! 邮箱:opceo@qq.com

    鄂ICP备2023003026号

    网站地图: 企业信息 工商信息 财税知识 网络常识 编程技术

    友情链接: 武汉网站建设